# 可视化比例 | 绘制的速记图](../../sketchnotes/11-Visualizing-Proportions.png)| |:---:| |可视化比例 - _速记图作者 [@nitya](https://twitter.com/nitya)_ | 在本课中，你将使用一个以自然为主题的数据集来可视化比例，例如在一个关于蘑菇的数据集中有多少种不同类型的真菌。让我们通过一个来自 Audubon 的数据集来探索这些迷人的真菌，该数据集列出了 Agaricus 和 Lepiota 家族中 23 种有鳃蘑菇的详细信息。你将尝试一些有趣的可视化方法，例如： - 饼图 🥧 - 环形图 🍩 - 华夫图 🧇 > 💡 一个非常有趣的项目 [Charticulator](https://charticulator.com) 由微软研究院开发，提供了一个免费的拖放界面用于数据可视化。在他们的一个教程中也使用了这个蘑菇数据集！因此你可以同时探索数据并学习这个库：[Charticulator 教程](https://charticulator.com/tutorials/tutorial4.html)。 ## [课前测验](https://purple-hill-04aebfb03.1.azurestaticapps.net/quiz/20) ## 了解你的蘑菇 🍄 蘑菇非常有趣。让我们导入一个数据集来研究它们： ```python import pandas as pd import matplotlib.pyplot as plt mushrooms = pd.read_csv('../../data/mushrooms.csv') mushrooms.head() ``` 一个表格打印出来，包含一些很棒的分析数据： | 类别 | 帽型 | 帽表面 | 帽颜色 | 是否有瘀伤 | 气味 | 鳃连接方式 | 鳃间距 | 鳃大小 | 鳃颜色 | 茎形状 | 茎根 | 环上方茎表面 | 环下方茎表面 | 环上方茎颜色 | 环下方茎颜色 | 面纱类型 | 面纱颜色 | 环数量 | 环类型 | 孢子印颜色 | 种群 | 栖息地 | | --------- | --------- | ----------- | --------- | ------- | ------- | --------------- | ------------ | --------- | ---------- | ----------- | ---------- | ------------------------ | ------------------------ | ---------------------- | ---------------------- | --------- | ---------- | ----------- | --------- | ----------------- | ---------- | ------- | | 有毒 | 凸形 | 光滑 | 棕色 | 有瘀伤 | 刺鼻 | 自由 | 紧密 | 狭窄 | 黑色 | 扩大 | 等长 | 光滑 | 光滑 | 白色 | 白色 | 部分 | 白色 | 一个 | 垂饰 | 黑色 | 分散 | 城市 | | 可食用 | 凸形 | 光滑 | 黄色 | 有瘀伤 | 杏仁味 | 自由 | 紧密 | 宽广 | 黑色 | 扩大 | 棍状 | 光滑 | 光滑 | 白色 | 白色 | 部分 | 白色 | 一个 | 垂饰 | 棕色 | 众多 | 草地 | | 可食用 | 钟形 | 光滑 | 白色 | 有瘀伤 | 茴香味 | 自由 | 紧密 | 宽广 | 棕色 | 扩大 | 棍状 | 光滑 | 光滑 | 白色 | 白色 | 部分 | 白色 | 一个 | 垂饰 | 棕色 | 众多 | 草地 | | 有毒 | 凸形 | 鳞片状 | 白色 | 有瘀伤 | 刺鼻 | 自由 | 紧密 | 狭窄 | 棕色 | 扩大 | 等长 | 光滑 | 光滑 | 白色 | 白色 | 部分 | 白色 | 一个 | 垂饰 | 黑色 | 分散 | 城市 | 你会立即注意到所有数据都是文本格式。为了在图表中使用这些数据，你需要将其转换。事实上，大部分数据是以对象形式表示的： ```python print(mushrooms.select_dtypes(["object"]).columns) ``` 输出为： ```output Index(['class', 'cap-shape', 'cap-surface', 'cap-color', 'bruises', 'odor', 'gill-attachment', 'gill-spacing', 'gill-size', 'gill-color', 'stalk-shape', 'stalk-root', 'stalk-surface-above-ring', 'stalk-surface-below-ring', 'stalk-color-above-ring', 'stalk-color-below-ring', 'veil-type', 'veil-color', 'ring-number', 'ring-type', 'spore-print-color', 'population', 'habitat'], dtype='object') ``` 将这些数据转换为类别，例如将“类别”列转换为分类： ```python cols = mushrooms.select_dtypes(["object"]).columns mushrooms[cols] = mushrooms[cols].astype('category') ``` ```python edibleclass=mushrooms.groupby(['class']).count() edibleclass ``` 现在，如果打印出蘑菇数据，你会看到它已经根据有毒/可食用类别分组： | | 帽型 | 帽表面 | 帽颜色 | 是否有瘀伤 | 气味 | 鳃连接方式 | 鳃间距 | 鳃大小 | 鳃颜色 | 茎形状 | ... | 环下方茎表面 | 环上方茎颜色 | 环下方茎颜色 | 面纱类型 | 面纱颜色 | 环数量 | 环类型 | 孢子印颜色 | 种群 | 栖息地 | | --------- | --------- | ----------- | --------- | ------- | ---- | --------------- | ------------ | --------- | ---------- | ----------- | --- | ------------------------ | ---------------------- | ---------------------- | --------- | ---------- | ----------- | --------- | ----------------- | ---------- | ------- | | 类别 | | | | | | | | | | | | | | | | | | | | | | | 可食用 | 4208 | 4208 | 4208 | 4208 | 4208 | 4208 | 4208 | 4208 | 4208 | 4208 | ... | 4208 | 4208 | 4208 | 4208 | 4208 | 4208 | 4208 | 4208 | 4208 | 4208 | | 有毒 | 3916 | 3916 | 3916 | 3916 | 3916 | 3916 | 3916 | 3916 | 3916 | 3916 | ... | 3916 | 3916 | 3916 | 3916 | 3916 | 3916 | 3916 | 3916 | 3916 | 3916 | 如果按照此表中呈现的顺序创建类别标签，你可以绘制一个饼图： ## 饼图！ ```python labels=['Edible','Poisonous'] plt.pie(edibleclass['population'],labels=labels,autopct='%.1f %%') plt.title('Edible?') plt.show() ``` 瞧，一个饼图展示了根据蘑菇的两种类别（有毒/可食用）数据的比例。这里正确设置标签的顺序非常重要，因此务必验证标签数组的构建顺序！  ## 环形图！ 环形图是一种更具视觉吸引力的饼图，它在中间有一个空洞。让我们用这种方法查看数据。 看看蘑菇生长的各种栖息地： ```python habitat=mushrooms.groupby(['habitat']).count() habitat ``` 这里，你将数据按栖息地分组。共有 7 种栖息地，因此使用这些作为环形图的标签： ```python labels=['Grasses','Leaves','Meadows','Paths','Urban','Waste','Wood'] plt.pie(habitat['class'], labels=labels, autopct='%1.1f%%', pctdistance=0.85) center_circle = plt.Circle((0, 0), 0.40, fc='white') fig = plt.gcf() fig.gca().add_artist(center_circle) plt.title('Mushroom Habitats') plt.show() ```  这段代码绘制了一个图表和一个中心圆，然后将中心圆添加到图表中。通过将 `0.40` 更改为其他值来编辑中心圆的宽度。 环形图可以通过多种方式调整标签。特别是标签可以被突出显示以提高可读性。了解更多信息请参阅 [文档](https://matplotlib.org/stable/gallery/pie_and_polar_charts/pie_and_donut_labels.html?highlight=donut)。 现在你已经知道如何分组数据并将其显示为饼图或环形图，你可以探索其他类型的图表。试试华夫图，这是一种不同的方式来探索数量。 ## 华夫图！ 华夫图是一种以二维方块阵列可视化数量的图表。尝试可视化数据集中蘑菇帽颜色的不同数量。为此，你需要安装一个辅助库 [PyWaffle](https://pypi.org/project/pywaffle/) 并使用 Matplotlib： ```python pip install pywaffle ``` 选择一段数据进行分组： ```python capcolor=mushrooms.groupby(['cap-color']).count() capcolor ``` 通过创建标签并分组数据来创建华夫图： ```python import pandas as pd import matplotlib.pyplot as plt from pywaffle import Waffle data ={'color': ['brown', 'buff', 'cinnamon', 'green', 'pink', 'purple', 'red', 'white', 'yellow'], 'amount': capcolor['class'] } df = pd.DataFrame(data) fig = plt.figure( FigureClass = Waffle, rows = 100, values = df.amount, labels = list(df.color), figsize = (30,30), colors=["brown", "tan", "maroon", "green", "pink", "purple", "red", "whitesmoke", "yellow"], ) ``` 使用华夫图，你可以清楚地看到蘑菇数据集中帽颜色的比例。有趣的是，有许多绿色帽子的蘑菇！  ✅ PyWaffle 支持在图表中使用图标，这些图标可以是 [Font Awesome](https://fontawesome.com/) 中的任何图标。尝试使用图标代替方块来创建更有趣的华夫图。 在本课中，你学习了三种可视化比例的方法。首先，你需要将数据分组为类别，然后决定哪种方式最适合展示数据——饼图、环形图或华夫图。所有这些方法都能让用户快速了解数据集。 ## 🚀 挑战 尝试在 [Charticulator](https://charticulator.com) 中重新创建这些有趣的图表。 ## [课后测验](https://purple-hill-04aebfb03.1.azurestaticapps.net/quiz/21) ## 复习与自学 有时不容易决定何时使用饼图、环形图或华夫图。以下是一些相关的文章： https://www.beautiful.ai/blog/battle-of-the-charts-pie-chart-vs-donut-chart https://medium.com/@hypsypops/pie-chart-vs-donut-chart-showdown-in-the-ring-5d24fd86a9ce https://www.mit.edu/~mbarker/formula1/f1help/11-ch-c6.htm https://medium.datadriveninvestor.com/data-visualization-done-the-right-way-with-tableau-waffle-chart-fdf2a19be402 进行一些研究以找到更多关于这个选择的信息。 ## 作业 [在 Excel 中尝试](assignment.md) **免责声明**： 本文档使用AI翻译服务[Co-op Translator](https://github.com/Azure/co-op-translator)进行翻译。尽管我们努力确保翻译的准确性，但请注意，自动翻译可能包含错误或不准确之处。原始语言的文档应被视为权威来源。对于关键信息，建议使用专业人工翻译。我们对因使用此翻译而产生的任何误解或误读不承担责任。